python - 在每隔一行的开头和结尾添加引号，忽略空行

Question

我需要组织文本方面的帮助。我有 csv 中数千个词汇的列表。每个单词都有术语、定义和例句。术语和定义由制表符分隔，例句由空行分隔。

例如:

exacerbate  worsen

This attack will exacerbate the already tense relations between the two communities

exasperate  irritate, vex

he often exasperates his mother with pranks

execrable   very bad, abominable, utterly detestable

an execrable performance

我想这样组织这个例句，使例句用双引号括起来，前后没有空行，并且句子中的术语由连字符替换。所有这些都发生了变化，同时保留术语后面的制表符、每个术语开头的新行以及定义和例句之间的唯一空格。我需要这种格式将其导入抽认卡 Web 应用程序。

使用上述示例的期望结果:

exacerbate  worsen "This attack will – the already tense relations between the two communities"
exasperate  irritate, vex "he often – his mother with pranks"
execrable   very bad, abominable, utterly detestable "an – performance"

我使用的是 Mac。我知道基本的命令行(包括正则表达式)和Python，但不足以自己解决这个问题。如果您能帮助我，我将非常感激。

Answer 1

将终端打开到包含输入文件的目录。将以下代码保存在 .py 文件中:

import sys
import string
import difflib
import itertools


with open(sys.argv[1]) as fobj:
    lines = fobj.read().split('\n\n')

with open(sys.argv[2], 'w') as out:
    for i in range(0, len(lines), 2):
        line1, example = lines[i:i + 2]
        words = [w.strip(string.punctuation).lower()
                 for w in example.split()]

        # if the target word is not in the example sentence,
        # we will find the most similar one
        target = line1.split('\t')[0]
        if target in words:
            most_similar = target
        else:
            most_similar = difflib.get_close_matches(target, words, 1)[0]
        new_example = example.replace(most_similar, '-')
        out.write('{} "{}"\n'.format(line1.strip(), new_example.strip()))

程序需要输入文件名和输出文件名作为命令行参数。即从终端执行以下命令:

$ python program.py input.txt output.txt

其中 program.py 是上面的程序，input.txt 是您的输入文件，output.txt 是将使用您需要的格式创建。

<小时/>

我根据您提供的示例运行了该程序。我手动添加了选项卡，因为问题中只有空格。这是程序产生的输出:

exacerbate  worsen "This attack will - the already tense relations between the two communities"
exasperate  irritate, vex "he often - his mother with pranks"
execrable   very bad, abominable, utterly detestable "an - performance"

在第二个示例中，程序正确地用破折号替换了 exacerbates，即使单词是 exacerbate。如果没有文件，我无法保证此技术适用于文件中的每个单词。